如何理解卷積，另外如何理解圖像處理中的卷積？卷積運(yùn)算可分為求逆、平移、乘法和求和。在圖像處理中，圖像是一個(gè)大矩陣，卷積模板是一個(gè)小矩陣。根據(jù)上述過(guò)程，首先將小矩陣求逆，然后將其移動(dòng)到某個(gè)位置。小矩陣的

如何理解卷積，另外如何理解圖像處理中的卷積？

卷積運(yùn)算可分為求逆、平移、乘法和求和。在圖像處理中，圖像是一個(gè)大矩陣，卷積模板是一個(gè)小矩陣。根據(jù)上述過(guò)程，首先將小矩陣求逆，然后將其移動(dòng)到某個(gè)位置。小矩陣的每個(gè)小格對(duì)應(yīng)于大矩陣中的一個(gè)小格。然后將對(duì)應(yīng)小格中的數(shù)相乘，將所有對(duì)應(yīng)小格的乘法結(jié)果相加。最后將結(jié)果賦給小矩陣中心小格對(duì)應(yīng)的圖像中小格的值，代替原始值。這就是我們要說(shuō)的，倒置，平移，乘法，求和。一般的圖像卷積是從第一個(gè)像素（小格子）遍歷到最后一個(gè)像素（小格子）。經(jīng)過(guò)平滑、模糊、銳化后的邊緣提取本質(zhì)上都是卷積的，但模板是不同的。

如何理解卷積神經(jīng)網(wǎng)絡(luò)里卷積過(guò)濾器的深度問(wèn)題？

我們通?？吹降木矸e濾波器原理圖是這樣的：

這實(shí)際上是卷積濾波器的“展平”或“展平”。例如，上圖中的粉紅色卷積濾波器是3x3x3，即長(zhǎng)3，寬3，深3。然而，在圖中，它是在兩個(gè)維度中繪制的-深度被省略。

.由于卷積濾波器的深度與輸入圖像的深度相同，所以原理圖中沒(méi)有繪制深度。如果同時(shí)繪制深度，效果如下：

（圖片來(lái)源：mlnotebook）

如上所述，卷積濾波器的深度與輸入圖像的深度相同，即3。

順便說(shuō)一下，輸入圖像深度是3，因?yàn)檩斎雸D像是彩色圖像，深度是3，分別是R、G和b值。

（圖片來(lái)源：mlnotebook）

總之，卷積濾波器的深度應(yīng)該與輸入數(shù)據(jù)的深度一致。

如何理解卷積神經(jīng)網(wǎng)絡(luò)中的卷積和池化？

讓我們談?wù)勎覀兊睦斫狻?/p>

池：用最大值或平均值替換大量數(shù)據(jù)。目的是減少數(shù)據(jù)量。

卷積：通過(guò)卷積內(nèi)核將數(shù)據(jù)轉(zhuǎn)換為特征，便于以后分離。計(jì)算方法與信號(hào)系統(tǒng)相同。